Analisis Tuning Parameter PID Menggunakan Algoritma Genetika pada Pengontrolan Kecepatan Motor DC

Abstract

Intisari— Pengaplikasian motor DC sering mengalami ketidakstabilan kecepatan putaran akibat adanya pembebanan saat dioperasikan. Untuk mengatasinya kontrol PID dapat diaplikasikan untuk menstabilkan kecepatan. Kontrol PID merupakan kombinasi dari pengendalian proportional, integral dan derivative. Untuk mendapatkan performa yang baik diperlukan penalaan (tuning) ketiga parameter ini menggunakan beberapa metode, salah satunya algoritma genetika. Algoritma genetika bekerja dengan membentuk populasi dari beberapa individu yang berpotensi menghasilkan solusi optimal dinilai dari nilai ketahanannya (fitness). Beberapa parameter digunakan dalam algoritma genetika seperti ukuran populasi, jumlah generasi, probabilitas crossover dan probabilitas mutasi. Penelitian ini bertujuan untuk menganalisis metode algoritma genetika untuk tuning parameter kontrol PID pada pengontrolan kecepatan putaran motor DC. Hasil pengujian diperoleh parameter algoritma genetika dengan ukuran populasi dan jumlah generasi sebesar 70, probabilitas crossover sebesar 0,9 dan probabilitas mutasi sebesar 0,4 dengan nilai fitness sebesar 6,261e+18. Parameter kontrol PID dengan nilai Kp = 9,4429; Ki = 19,3255 dan Kd = 0,45602 dan respon sistem dengan nilai rise time sebesar 0,1212 s, settling time sebesar 0,2562 s, overshoot sebesar 0,0366 % dan steady-state error sebesar 0,1739 %. Dengan parameter kontrol PID ini motor DC mampu bekerja mengikuti setpoint baik pada keadaan nilai beban yang tetap maupun berubah.

Pemodelan Identifikasi Sistem untuk Pengaturan Kecepatan Motor DC dengan Kontrol PID

“…Metode kendali PID telah terbukti efektif dalam mengatur kecepatan motor DC [6], [7], [2], [8], dengan penelitian yang melibatkan penggunaan teknologi terkini seperti panel surya [9], SCADA [10], dan Konverter Cuk [11], [12], [8]. Penelitian lain juga mencakup aspek penyetelan parameter PID menggunakan algoritma genetika [13], penerapan metode cerdas seperti logika fuzzy dan algoritma genetika dalam pengendalian motor DC [14], serta penerapan metode pengendalian lainnya seperti LQR [14]. 15], Pengendalian Vektor Fluks [16], dan Fuzzy PID [17] untuk meningkatkan kinerja sistem.…”